为何自动化在IT运营中常落空

随初始编排调优，自动化规则遵循“写一次、部署到处”模型，几乎不留适应性余地。每当新企业应用加入、工作负载在云间移动、或公司总体战略计划变更，规则也得跟着变。

1947年，通用汽车建立首个现代自动化部门。目标：结合机械、液压、计算机技术替代小时工典型处理的耗时资源密集型任务，精简汽车生产。

七十年后，自动化现象蔓延至每行业市场，在IT找到特别热切受众。结合多脚本模拟管理员与IT环境间动作响应的整个平台，导致IT专业人士自动化尽可能多活动。

现在，从推出新软件、配置系统到重启连接丢失服务器、对意外变更采取纠正行动，基本全自动驾驶。但曾被视为IT团队痛点灵丹妙药的东西，开始对下一波IT挑战——海量基建、指数级数据增长、快速演变业务需求——显露无效迹象，让许多人疑惑：IT自动化足以在数字时代繁荣吗？若不，IT组织如何继续有效运作？

数字化转型后，IT环境比以往更复杂广阔。有更多基建和应用管理、更多数据聚合分析运营化——全由混合云战略兴起赋能。

平均企业今日在数个公私有云运行数百应用，以跟上日益苛刻客户群和竞争压力创造的快速变化业务需求。云平台狂热采用和易得点工具创造持续变化演化环境，增加复杂性快变不可管。事实上，许多IT决策者报告数字化转型努力若不管好将冒负面影响整体组织风险。这挑战可能单纯太动态、超出常规自动化能力。

我们知的自动化基于规则、策略驱动。规则是执行特定任务活动的简单可预测命令，阈值被突破时生成警报。自动化规则范围窄、静态、必须与成千上万其他规则协调以保运营平滑高效——正是为何它们在数字化现代IT环境不再足够。

更有甚者，今日云原生、无服务器环境需持续调优和自动化变更，不存在有法力、资源、能力有效做完一切的IT团队。

人工智能兴起是IT运营专业人士的拐点，因能完全重塑其管理不断变化IT环境的方法。将AI应用于IT运营——AIOps——不仅自动化最耗时重复任务，还自动化高阶更复杂任务。

AIOps系统聚合整个IT环境源目标数据——含本地和云基建——进单一数据湖。但区别于常规自动化需每可设想场景一规则来处置信息，AIOps学会主动识别海量信息中人类可能错过的最微弱早期预警信号、语境化其重要性、无人干预下立即采取恰当果断行动。

团队成员不再手动翻海量警报试图区分高优先级和低影响，AIOps工具全自动完成。它们应用映射特定IT运营的精调算法，筛选数百万日志记录和指标，浮现最关键警报，带来更强系统性能健康可见性，释放IT团队成员专注更高优先级计划，大幅提升IT生产力效率。

标准IT自动化多年惠及广泛组织。但今日企业面临早期少能预见的IT管理挑战，常规IT自动化简单应付不来。随业务日益数字化——增基建、推新服务、纳入新数据流——将需更先进智能自动化方案，维持对蔓延基建完全控制、在快速演变竞争版图保持节奏。

作者：Jiayi Hoffman，OpsRamp数据科学架构师

自动化控制系统